Fuluck AI — AI 接单站

你绝对想不到，一个给猫舍回私信的小工具，最后会变成一家 AI 咨询公司的门面。

从「猫舍客服」到「被追问的技术供应商」

2023 年春天，我在 猫舎 SNS 运营时间线 里记录了一个狼狈的开始：家里三只布偶猫的 Instagram 账号突然火了，私信每天涌进几十条询价。我随手用 n8n 搭了个 LINE 自动回复，把常见问题——「多少钱」「公母」「什么时候能接」——丢给 GPT-3.5 处理，自己只接手动确认环节。没想到这个粗糙的流水线被一位来猫舍看猫的客人拍了下来，对方是京都一家美容诊所的院长，当场问我：「这个机器人，能改成预约系统吗？」

那是第一单。没有合同，没有报价模板，我在 Notion 里现写了一个「AI 对话系统开发」的标题，下面列了三行功能，开价 30 万日元。对方居然答应了。

• 第 1-3 单：全部来自猫舍客人的「顺便问问」，成交靠私聊，交付靠飞书文档
• 第 4-7 单：开始出现「能不能做英语版」「能不能接 Instagram DM」等分叉需求，我开始用 git branch 管理不同客户的代码，混乱到把 A 诊所的 API key 部署到了 B 餐厅的服务器上
• 第 8 单：一位大阪诊所的田中院长，邮件主题写的是「予算 50 万円で可能ですか？」，我却回了三封长信解释什么是 vector store、什么是 RAG、为什么用 LanceDB 而不是 Pinecone

三封邮件教会我的事

田中院长最后没回第四封邮件。一周后我厚着脸皮追问，他的助理代回了一句：「院長は技術的な詳細より、同規模のクリニックでの導入実績を知りたかったようです。」——他只想知道你有没有做过同规模的诊所，以及 50 万能不能启动。 那三封邮件我写了整整 6 小时，从 chunk size 讲到 embedding model 的选型，全是自我感动。

那一刻我意识到，「技术溢出」和「商业入口」之间差着一整个产品化鸿沟。猫舍的后台再好用，它不具备让陌生客户在 30 秒内判断「这家能不能接我的单」的能力。

损耗的本质不是时间，而是认知错配：你在讲 pipeline，客户在讲 pain point。

于是 2023 年 9 月，我注册了 fuluck.ai，把猫舍技术栈里可复用的模块——多语言客服、自动化内容、LINE bot、TTS 视频——拆成四个标准化模板。每个模板附带：

1. 起做价（而非精确报价，降低决策摩擦）
2. 交付周期区间（「2-3 周」而非「14 个工作日」）
3. 对标案例的入口链接（直接指向 dior.fuluckai.com 这类完整交付记录）

第一个月，站上的咨询表单收到 11 条线索，其中 4 条来自日本，2 条来自新加坡。没有一个再问「什么是 RAG」。